5.2 Mentiras estadisticas

La calidad de nuestros datos es igual de fundamental que la precision de nuestros computos.
Cuando los datos son errados, aunque tengamos un cómputo prístino nuestro resultado serán erróneos.
En pocas palabras: con datos errados las conclusiones serán erradas.

Las visualizaciones son muy importantes para entender un conjunto de datos.
Sin embargo, cuando se juega con la escala se puede llegar a conclusiones incorrectas.
Nunca se debe confiar en una gráfica sin escalas o etiquetas.

Dos variables están positivamente correlacionadas cuando se mueven en la misma dirección y negativamente correlacionadas cuando se mueven en direcciones opuestas.
Esta correlación no implica causalidad.
Puede existir variables escondidas que generen la correlación.
Después de esto, eso; entonces a consecuencia de esto, eso. (Cum Hoc Ergo Propter Hoc).
La forma de librarse de este error es imaginandose que otras causas afectan a la situacion en estudio.

Para que un muestreo pueda servir como base para la inferencia estadística tiene que ser aleatorio y representativo.
El prejuicio en el muestreo elimina la representatividad de las muestras.
A veces conseguir muestras es difícil, por lo que se utiliza a la población de más fácil acceso (caso estudios universitarios).
No se toman muestras representativas.

Esta falacia se da cuando no se toma la aleatoriedad en consideración.
También sucede cuando uno se enfoca en las similitudes e ignora las diferencias.
Cuando fallamos al tener una hipótesis antes de recolectar datos estamos en alto riesgo de caer en esta falacia (muy común en Data Science).
Hacer hipotesis antes que recolectar datos

Cuando no sabemos la cuenta total del cual se obtiene un porcentaje tenemos el riesgo de concluir falsos resultados.
Siempre es importante ver el contexto, y los porcentajes, en vacio, no significan mucho.
Flata de informacion respecto al contexto o la fuente de datos.

Muchos eventos fluctúan naturalmente, por ejemplo, la temperatura promedio de una ciudad, el rendimiento de un atleta, los rendimientos de un portafolio de inversión, etc.
Cuando algo fluctúa y se aplican medidas correctivas se puede creer que existe un vínculo de causalidad en lugar de una regresión a la media.

Backlinks: Inteligencia Artificial:5. Introduccion al pensamiento probabilistico